로커스 로보틱스의 Hamid Montazeri, 소프트웨어 및 AI 부문 선임 부사장 – 인터뷰 시리즈

Locus Robotics의 소프트웨어 및 AI 수석부사장 Hamid Montazeri는 세계 각지의 팀을 이끌고 확장한 30년 이상의 경험을 보유했습니다. 모듈형·확장형 소프트웨어 아키텍처와 클라우드, IoT, 빅데이터, AI/ML 같은 변혁 기술을 전문으로 합니다. 스타트업부터 다국적 기업까지 차별화된 솔루션을 제공하며 자율 로봇, 지능형 창고 자동화, 글로벌 공급망 시스템을 발전시켰습니다.

Locus Robotics는 자율이동로봇과 지능형 소프트웨어를 결합한 AI 창고 자동화 솔루션을 제공합니다. LocusONE 플랫폼은 로봇 군집을 조율해 피킹, 적치, 운송, 메자닌 작업을 처리하고 생산성을 2~3배 높이면서 인건비를 줄입니다. 기존 창고에 원활하게 통합되고 몇 대에서 수천 대까지 중단 없이 확장됩니다.

CNN, Stanley Black & Decker (SWK ), Dematic, KION Group, Locus Robotics까지 다양한 여정이 AI와 로봇의 영향력에 대한 관점을 어떻게 만들었습니까?

30년 넘게 AI와 소프트웨어 관련 기술 직책을 맡으며 산업의 진화를 직접 보았습니다. 경력 초기에 소프트웨어는 구조적 프로그래밍에서 객체지향으로, 단일 프로세스 모놀리스에서 서로 다른 운영체제 프로세스와 프로세스 간 통신을 이용하는 구성요소로 이동했습니다. 특정 기계에서 실행되던 소프트웨어가 네트워크를 활용한 분산 시스템으로 바뀌는 큰 전환기였습니다.

이후 네트워킹과 인터넷을 활용해 시스템과 배포, 데이터 저장의 확장성을 높이는 방향으로 발전해 결국 클라우드가 탄생했습니다. 컴퓨팅과 저장의 탄력성이 생기면서 AI와 로봇에 새로운 기회가 열렸습니다. 오늘날 로봇은 계산 능력, 저장 공간, AI를 이용해 창고처럼 복잡하고 고밀도인 공간을 정확히 탐색하고 운영하며 비용 절감, 처리량 향상, 유연성 및 인력 성과 개선을 실현합니다.

창고 자동화에서 “물리적 AI”란 무엇이며 전통적 로봇이나 범용 AI와 어떻게 다릅니까?

물리적 AI는 물류와 창고 자동화의 미래입니다. 실시간 인식, 의사결정, 지속 학습을 결합해 자율 운영을 뒷받침하고 모든 결정을 즉시 최적화합니다.

로봇은 고정된 환경에서 물건만 옮기는 데 그치지 않습니다. 창고 배치를 외워 A에서 B로 이동하는 수준을 넘어 환경이 바뀌면 자동으로 적응하고 현재 조건에 가장 알맞게 경로를 다시 계획합니다.

물리적 AI 없는 로봇은 적용 범위가 제한됩니다. 현대의 범용 기반 모델도 특정 응용 영역에 필요한 물리적 AI를 만들기에는 비효율적입니다. 창고는 효율이 핵심이지만 범용 모델은 안전한 탐색과 작업자 상호작용 같은 영역 문제를 다루도록 설계되지 않았습니다. 창고 전용 기반 모델을 갖춘 물리적 AI는 변화에 자동 적응하며 최적 결과를 내도록 목적에 맞게 설계됩니다.

새 SKU, 배치 변경, 수요 급증처럼 끊임없이 변하는 환경에 어떻게 적응합니까?

도메인 기반 모델을 갖춘 물리적 AI가 특히 강한 영역입니다. 수요가 급증하고 배치가 바뀌거나 새 SKU가 들어와도 로봇은 변화 속에서 원활히 탐색합니다. 끊임없는 변동이 일반적인 물류에 가장 적합한 이유입니다.

공급망과 물류에서 범용 기반 모델보다 도메인 특화 AI가 효과적인 이유는 무엇입니까?

창고의 안전과 복잡한 배치 탐색은 범용 모델이 처리하도록 설계된 문제가 아니므로 운영자가 부담을 떠안게 됩니다. 도메인 특화 모델은 업계 전문지식으로 문제를 이해하고 해결책을 자동 적용해 운영자의 부담을 줄입니다. 이것이 자동화를 다음 단계로 끌어올립니다.

물리적 AI를 배치해 처리량, 가동 중단, 오류율에서 어떤 결과를 얻었습니까?

Locus의 목적형 물리적 AI는 다음 결과를 냈습니다.

• 주문 정확도 99%
• 오류율 0.4%에서 0.01%로 감소
• 현장 가동 기간을 수개월에서 수주로 단축
• 고객의 운영 처리량 2~3배 향상

대규모 운영에서 안전, 신뢰성, 인간 감독을 어떻게 다룹니까?

모두 선택한 솔루션에서 시작하며 설계 단계부터 목적에 맞춘 시스템을 우선해야 합니다. Locus의 자율이동로봇은 산업 안전 기준을 충족하거나 능가합니다. LocusBot은 카메라와 LiDAR를 포함한 다중 센서 안전 시스템으로 충돌과 장애물을 피하고 작업자와 운영을 보호합니다.

신뢰성도 핵심입니다. 창고는 수요 급증을 늘 겪지만 RaaS(Robotics-as-a-Service) 모델은 대규모 초기 비용과 시간을 들이지 않고 자동화하게 합니다. 현재 수요에 맞춰 로봇 수를 자동으로 늘리거나 줄일 수 있습니다.

인간 감독은 항상 필요하지만 성공적인 자동화는 더 큰 책임을 맡을 수 있는 솔루션을 사용해야 합니다. Locus는 이산사건 시뮬레이션(DES)과 정교한 로봇 자율 모델을 결합해 운영 개념을 설계하고 가장 효율적인 로봇 활용을 시뮬레이션합니다. 피킹 시간을 줄이고 주문을 제때 출하하는 데 도움이 됩니다.

기존 창고관리·ERP 시스템과 AI 로봇을 통합할 때 어떤 문제가 생기며 어떻게 해결합니까?

가장 큰 문제는 통합 시간입니다. 운영자는 기술 스택을 점검하고 낡은 레거시 시스템에서 벗어날지 판단해야 합니다. AI는 방대한 데이터를 사용하므로 인프라가 모델을 감당할지도 확인해야 합니다. 솔루션에 따라 시스템 이전과 광범위한 인력 교육에 많은 시간이 들 수 있습니다. Locus AMR은 기존 시스템과 원활히 통합되도록 설계되어 다른 솔루션의 전환·교육 비용과 시간을 줄입니다.

여러 창고와 지역으로 얼마나 확장 가능하며 사용자 지정은 어느 정도 필요합니까?

손쉬운 확장이 유연한 자동화의 장점입니다. 전통적 자동화는 초기 비용과 장기 투자가 크지만 Locus의 RaaS 방식은 수요에 따라 로봇 군집을 배치하고 조정합니다. 글로벌 솔루션이며 대시보드는 시간당 처리 단위와 피킹 수, 작업자 생산성 같은 핵심 지표를 실시간 제공합니다. 통합된 가시성으로 각 창고 요구에 따라 손쉽게 확장할 수 있고, 고객의 별도 노력 없이 고유한 필요에 맞춰 조정됩니다.

이 기술은 창고 근로자의 역할을 어떻게 바꾸며 어떤 역량 강화와 변화 관리가 필요합니까?

AMR은 더 안전한 작업 환경과 새로운 기회를 만들어 직무를 재정의합니다. Locus의 AMR과 작업자 상호작용은 직관적이라 교육 부담이 작습니다. LocusBot 배치 시 작업자는 10분 이내에 함께 일할 수 있습니다.

AMR은 무거운 물건 운반과 장거리 이동 같은 고강도 작업을 맡아 부상과 피로를 줄이고, 반복적인 피킹을 덜어 작업자가 복잡한 일에 집중하게 합니다. 자동화 도입은 직원의 역할을 높일 기회입니다. 로봇과 직접 일하거나 성능 데이터를 감독하는 분석가 같은 새 직무와 역량 강화 기회를 찾아야 합니다.

어떤 AI 모델과 접근법을 사용하며 엣지와 클라우드 중 어디에서 작동합니까?

Locus의 AI는 세 특성에 집중합니다. 창고에 내장되어 환경에 적응하는 물리적 AI, 결정을 설명하는 신뢰 가능한 AI, 단일 로봇이 아닌 창고 전체를 조율하는 총체적 AI입니다. 목표는 창고를 진정으로 이해하고 실제 결과를 내는 AI입니다.

데이터가 모든 모델의 기반입니다. 거의 60억 개 품목 피킹을 포함한 실사용 데이터와 깊은 업계 전문지식으로 창고 우선의 도메인 모델을 만듭니다. AMR은 물리성과 신뢰성에 필요한 엣지 AI를 사용하고, 창고 전체의 기록 시스템에서 행동 시스템으로 이어지는 전략과 창고 기반 모델은 클라우드의 확장 가능한 계산 능력을 활용합니다.

앞으로 5년간 물류·공급망의 AI 로봇에서 어떤 변화가 가장 클까요?

물리적 AI가 지배하게 될 것입니다. 기업이 AI 투자수익을 점검하면서 자동화 결과를 엄격히 평가할 것입니다. 목적형이 아닌 솔루션에 투자한 운영자는 원하는 ROI를 얻지 못할 수 있습니다. 물리적 AI 없는 시스템은 환경을 충분히 이해하지 못합니다. 따라서 모든 결정을 실시간 최적화하고 결과를 내는 물리적 AI에 예산이 집중될 것입니다.

또한 물류 로봇은 범용 기반 모델에서 도메인 특화 모델로 이동할 것입니다. ROI를 높이려면 진정한 도메인 전문지식을 반영한 AI에 투자해야 한다는 이해가 커질 것이며, 공급망과 물류 환경에서 뛰어나도록 설계된 AI 개발에 자원과 역량이 집중될 것입니다.

좋은 인터뷰에 감사드립니다. 자세한 내용은 Locus Robotics에서 확인할 수 있습니다.